از چت‌بات تا «دات»؛ چطور ایجنت‌های جدید OpenAI رویای شرکت‌های تک‌نفره را به واقعیت تبدیل می‌کنند؟

یکی از نمونه‌های جالب و ملموسی که در جریان رونمایی از ایجنت‌های داتس (Dots) مطرح شد، ماجرای یک فاکتور پرداخت‌نشده بود. به گفته OpenAI، ایجنت یکی از تستر‌های اولیه متوجه شده بود که او فراموش کرده برای یک نشریه فاکتور بفرستد؛ بنابراین خودش پیش‌نویس فاکتور را آماده کرد و پس از گرفتن تأییدیه، آن را ارسال کرد. شاید در نگاه اول این مثال ساده به نظر برسد، اما دقیقاً اصل ماجرای توجیه اقتصادی و واگذاری کار‌های روزمره به یک ایجنت شخصی را نشان می‌دهد.

برای یک کارآفرین مستقل یا بنیان‌گذار تنها، این قبیل خرده‌کاری‌ها خیلی سریع روی هم تلنبار می‌شوند: پروژه‌ای که باید پیگیری شود، سؤالات مشتریانی که منتظر پاسخ هستند و مشکلات فنی که باید رفع شوند. هر کدام از این کار‌ها بخشی از تمرکز ارزشمند بنیان‌گذار را می‌بلعند. حالا ایجنت‌های داتس OpenAI می‌توانند با سبک کردن این بار عملیاتی، راه‌اندازی و بقای شرکت‌های تک‌نفره را به واقعیت نزدیک‌تر کنند. فرصت طلایی اینجاست که یک کسب‌وکار بتواند بدون نیاز به استخدام نیروی جدید، مشتریان، پروژه‌ها و تراکنش‌های بیشتری را هندل کند. البته تحقق این رویا به این بستگی دارد که ایجنت‌ها تا چه حد کارهایشان را بی‌نقص و قابل اتکا انجام دهند و چه میزان نظارت انسانی همچنان لازم باشد.

ایجنت‌های داتس که در جریان رویداد DevDay شرکت OpenAI معرفی شدند، در واقع ایجنت‌های همیشه فعالی هستند که قدرت پردازشی خود را از مدل GPT-6 Astra می‌گیرند و به کامپیوترهای ابری و اپلیکیشن‌های متصل دسترسی دارند. اوپن‌ای‌آی می‌گوید این ایجنت‌ها قادرند حافظه و زمینه کار‌ها را به خوبی حفظ کنند و چند پروژه مختلف را به شکل هم‌زمان به پیش ببرند. البته دسترسی به این ابزار در ابتدا به پلن‌های خاص و بازارهای منتخب محدود خواهد بود.

این قابلیت‌ها دقیقاً پاشنه آشیل چت‌بات‌های سنتی را هدف گرفته‌اند؛ جایی که کاربر مجبور بود خودش تمام مراحل پیشبرد کار را به دوش بکشد. تولید پیش‌نویس یک پروپوزال فروش با چت‌بات شاید در زمان صرفه‌جویی کند، اما در نهایت هنوز یک انسان باید اطلاعات لازم را پیدا کند، شرایط را بسنجد، اصلاحات را اعمال کند و پیگیر ماجرا باشد. اگر یک ایجنت بتواند بخش عمده‌ای از این زنجیره را خودش طی کند، ارزش اقتصادی آن بسیار فراتر از یک ابزار ساده برای نوشتن سریع متن خواهد رفت.

یک مشاور مستقل فرضی را تصور کنید: در حالی که او سرگرم جلسه با یک مشتری بالقوه است، ایجنتش در پشت صحنه تحقیقات اولیه را جمع‌آوری کرده و پروپوزال را آماده می‌کند. پس از پایان جلسه نیز ایجنت بلافاصله توافقات جدید را به متن اضافه کرده و گام‌های بعدی را برای بازبینی نهایی آماده می‌سازد. در این سناریو، مشاور همچنان مسئولیت قیمت‌گذاری، تعهدات و ارتباط با مشتری را حفظ می‌کند، اما دیگر نیازی نیست وقت ارزشمندش را پای جابه‌جایی دستی اطلاعات بین نرم‌افزارهای مختلف تلف کند.

معادلات اقتصادی مدل‌ها نیز در جهتی پیش می‌رود که پیاده‌سازی چنین جریان‌های کاری را ممکن می‌سازد. OpenAI مدل GPT-6.1 Sol را با نرخ استاندارد API معادل ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی معرفی کرد؛ یعنی یک‌پنجم هزینه‌های مدل پرچمدار GPT-6 Astra. بر اساس گزارش اوپن‌ای‌آی، عملکرد این مدل در چندین ارزیابی به مدل آسترا بسیار نزدیک است. البته باید توجه داشت که این ارقام، تعرفه‌های خام مدل هستند، نه هزینه نهایی اجرای داتس که با مدل آسترا راه‌اندازی شده است.

برای صاحبان کسب‌وکار، کاهش قیمت توکن‌ها از اهمیت فوق‌العاده‌ای برخوردار است؛ چرا که انجام یک کار خودکار ممکن است به جست‌وجوها، محاسبات، بازبینی‌ها و آزمون‌های مکرر نیاز داشته باشد. ارزان‌تر شدن این مراحل باعث می‌شود دایره کار‌هایی که اتوماسیون آن‌ها ارزش اقتصادی دارد، به شدت گسترش پیدا کند.

با این وجود، قیمت توکن به‌تنهایی معیار کاملی برای سنجش ارزش نیست. یک مدل ارزان‌تر ممکن است توکن‌های بیشتری بسوزاند، به تلاش‌های ناموفق متعددی برای حل مسأله نیاز داشته باشد یا خروجی نامناسبی تحویل دهد که اصلاح آن از نیروی انسانی وقت زیادی بگیرد. شاخص تعیین‌کننده و معنادار، «هزینه کل رسیدن به نتیجه قابل قبول» است؛ یعنی مجموع هزینه‌های نرم‌افزاری به همراه ارزش زمان صرف‌شده برای بازبینی انسانی.

ایجنت هوشمندی که در یک ساعت ده پروپوزال بنویسد، اما رفع اشکال هر کدام یک ساعت از شما وقت بگیرد، عملاً هیچ مزیتی ندارد! در عوض، ایجنتی که یک خروجی‌تر و تمیز و قابل استفاده ارائه دهد و با یک مرور سریع نهایی شود، ظرفیت کاری و بازدهی یک کارآفرین را به شکلی ملموس ارتقا می‌دهد.

پیش‌نمایش تخصصی داتس نشان می‌دهد که نحوه سپردن کار‌ها به ایجنت‌ها چقدر می‌تواند ساختاریافته‌تر شود. قرار است این ایجنت‌ها هویت، دسترسی‌ها و مدارک احراز هویت اختصاصی داشته باشند و مسئولیت‌های سازمانی مشخصی را بر عهده بگیرند. این طرح در حال حاضر به عنوان پایلوت در محیط‌های سازمانی آغاز شده و OpenAI در تلاش است تا آن‌ها را با ابزار‌های امنیتی و کنترلی Microsoft Agent 365 یکپارچه کند.

برای شرکت‌های بزرگ، این یکپارچگی دردسر مدیریت و نظارت بر ایجنت‌ها را در سیستم‌های فعلی کاهش می‌دهد. اما برای کسب‌وکارهای کوچک‌تر، معنای عمیق‌تری دارد: اینکه مدل خرید نرم‌افزارها احتمالاً به سمت «خرید مسئولیت‌ها» پیش می‌رود؛ نرم‌افزاری که فاکتورها را به‌روز نگه دارد، سوابق مشتریان را ثبت و بایگانی کند یا گزارش‌های روتین کسب‌وکار را سر موعد تحویل دهد.

این رویکرد برای OpenAI فرصتی تجاری بسیار فراتر از فروش دسترسی به هوش مصنوعی خلق می‌کند. سرویسی که در قلب فرآیندهای تکرارشونده یک کسب‌وکار جا خوش کرده باشد، بسیار سخت‌تر از مدلی جایگزین می‌شود که صرفاً برای پرسیدن چند سؤال تصادفی استفاده می‌شود. وقتی یک ایجنت به روتین‌ها و قلق‌های یک شرکت عادت کرد، مهاجرت به پلتفرمی دیگر به معنای بازسازی تمام این زمینه‌ها از صفر خواهد بود؛ بنابراین راحتی و آسایش بیش‌تر ممکن است با وابستگی شدیدتر به پلتفرم همراه شود.

چهره صمیمی و دوستانه ایجنت‌های داتس شاید ارتباط برقرار کردن و تفویض کار‌ها را برای کاربران آسان‌تر کند. اختصاص یک نام به ایجنت باعث می‌شود افراد با حس بهتری به آن ماموریت بسپارند. اما این صمیمیت ممکن است اعتمادی کاذب، فراتر از توانایی‌های واقعی ابزار ایجاد کند. یک دستیار خوش‌برخورد هم برای حفظ کیفیت، به معیارهای مشخصی برای سنجش دقت، اتمام کار و ارجاع مشکلات به نیروی انسانی نیاز دارد.

این استانداردها زمانی حیاتی می‌شوند که ایجنت‌ها اجازه دخل و تصرف در حساب‌های واقعی کسب‌وکار را پیدا می‌کنند. یک جمله اشتباه در چت به راحتی ویرایش می‌شود، اما ارسال یک پیام اشتباه به مشتری یا افشای ناخواسته اطلاعات محرمانه می‌تواند تبعات جدی و غیرقابل جبرانی فراتر از یک گفت‌وگوی ساده به بار آورد.

روایت OpenAI از اتفاقاتی که پیرامون وب‌سایت‌های دولتی استرالیا رخ داد، حساسیت بالای این موضوع را نشان می‌دهد؛ جایی که این شرکت به دسترسی‌های غیرمجاز حین آموزش و ارزیابی داخلی اذعان کرد. برای یک کارآفرین مستقل که از خدمات OpenAI استفاده می‌کند، چنین ریسک‌هایی بخشی از معادلات اقتصادی کار به شمار می‌روند؛ چرا که در یک شرکت تک‌نفره، نه بخش امنیتی برای بررسی رفتارهای مشکوک وجود دارد و نه تیم عملیاتی که بتواند اشتباهات را به سرعت جمع‌وجور کند.

اوپن‌ای‌آی به تمهیدات حفاظتی مختلفی از جمله محیط‌های کاری ایزوله‌شده، اعتبارسنجی اقدامات و اعمال کنترل روی برنامه‌های متصل اشاره کرده است. با این حال، تعهدات حریم خصوصی این شرکت نیاز به دقت نظر بالایی دارد: داده‌های سازمانی و آموزشی به‌طور پیش‌فرض از چرخه آموزش مدل‌ها حذف می‌شوند، اما وضعیت پلن‌های شخصی به تنظیمات حساب کاربر وابسته است. تحقیقات پس‌زمینه مستقیماً برای آموزش مدل‌ها استفاده نمی‌شوند، اما اطلاعاتی که از دل آن‌ها وارد مکالمات واجد شرایط می‌شود، ممکن است در آموزش مدل‌ها به کار رود.

نحوه استفاده از داده‌ها و سطح دسترسی ایجنت برای اقدام، دو مسأله کاملاً مجزا هستند. یک بنیان‌گذار باید هم بداند چه بلایی سر اطلاعات کسب‌وکارش می‌آید و هم اینکه ایجنت دقیقاً چه اختیاراتی برای استفاده از این داده‌ها دارد.

طراحی سازوکار تأییدیه، نقشی تعیین‌کننده خواهد داشت. اگر ایجنت مدام برای گرفتن اجازه مزاحم کاربر شود، مزیت صرفه‌جویی در زمان از بین می‌رود؛ از طرف دیگر، دادن دسترسی‌های باز و بدون کنترل نیز می‌تواند کسب‌وکار را در معرض خطاهای نابخشودنی قرار دهد. ابزار‌های کنترلی کارآمد باید جزئیات کلیدی را شفاف کنند: این پیام دقیقاً برای چه کسی فرستاده می‌شود، حاوی چه اطلاعاتی است و چه بار تعهدی برای شرکت ایجاد می‌کند.

به همین دلیل، شرکت‌های تک‌نفره در حوزه‌هایی بیش‌ترین شانس موفقیت را دارند که بخش عمده فعالیت‌ها دیجیتالی بوده و امکان بررسی سریع خروجی‌ها فراهم باشد. البته در این مدل هم ایجنت‌ها نمی‌توانند جایگزین جذب مشتری، خلق ارزش متمایز یا جلب اعتماد بازار شوند. از طرفی، کاهش هزینه‌های عملیاتی ممکن است پای رقبای بیشتری را به بازار باز کرده و رقابت بر سر قیمت را تشدید کند.

با تمام این اوصاف، ایجنت‌های داتس زمان‌بندی نیاز به تشکیل تیم را دگرگون خواهند کرد؛ برخی از کسب‌وکارها می‌توانند زمان بسیار بیشتری به عنوان یک شرکت تک‌نفره به کار خود ادامه دهند و برخی دیگر هم شاید از همین شتاب برای رشد انفجاری و استخدام سریع‌تر نیروها بهره ببرند.